灾难性遗忘相关论文
终身学习（LLL）作为一种新兴方法打破了传统机器学习的局限性，赋予了模型能够像人类一样在学习过程中不断积累、优化并转移知识的能力......
深度学习模型通常限定在固定数据集中进行训练，训练完成之后模型无法随着时间而扩展其行为.将已训练好的模型在新数据上训练会出现......
现有的类增量学习方法多是采用存储数据或者扩展网络结构，但受内存资源限制不能有效缓解灾难性遗忘问题。针对这一问题，创新地提出基......
SAR景象适配区选取作为无人飞行器导航规划的一项关键技术,利用保障数据选取匹配性能优的区域,对提高景象匹配成功率有重要的意义......
最近,在大数据和从数据流中学习的情况下,增量学习和在线学习越来越受到关注,这与传统的完全数据可用性假设相冲突。一般来说,传统......
持续学习旨在连续地学习多个任务，并且在不发生灾难性遗忘的情况下，能够利用先前任务的知识来帮助当前任务的学习。渐进神经网络是一......
人类能够在其一生中不断学习新知识并对知识进行优化,同时还能够保留先前知识,这种能力对于自动学习系统在现实世界中发挥持续自主......
在通往人工智能的道路上,一个主要的开放问题是增量学习系统的开发,该系统可以随着时间的推移,不断地从数据流中学习知识。近年来,......
近年来,随着新型人工智能技术的不断发展以及海量数据的爆炸式增长,如何借助新技术高效、准确地处理并分析不断增长的数据流是一项......
